简介:场景锁定技术是视频跟踪领域的一个关键技术,需要对图像的全局运动进行估计,常用的运动估计算法由于计算量大、对噪声敏感等因素很难得到实际应用。为了减少运动估计的计算量,提高全局运动估计的精度,提出了一种基于Harris角点全局运动估计的场景锁定方法。将图像分成4×4的16个块,选取每个块中响应值最大的角点,以参考图像角点周围矩形块与待匹配图像进行匹配,然后利用RANSAC算法对角点进行一致性检测,利用最小二乘法解算全局运动参数,最后计算图像之间的累积运动。实验结果表明,该算法运动估计精度高,稳定性好,能较好地实现场景锁定。
简介:为了获取交叉口不同行驶方向车流的行程时间信息,以便体现不同转向车道交通拥挤程度的差别,设计了能够实现不同行驶方向车流分别统计行程时间的方向路段划分方法.针对方向路段划分的原则,同时结合车载GPS数据的特征,提出一种方向路段行程时间估计模型,并提出一种交叉口转向延误的估计模型,最后利用实测的车载GPS数据完成模型的实证分析.结果表明,所设计的方向路段划分方法及其行程时间估计模型能使路段行程时间数据的精度提高12%以上,从而可为交通管理者及交通出行者提供更加可靠的决策信息.
简介:为了进一步提高汽车控制系统的动态性能和鲁棒稳定性,从理论上分析并揭示了状态反馈控制中特征向量矩阵的条件数对线性连续定常系统的响应及反馈矩阵Frobenius范数的重要影响。进一步提出以减小特征向量矩阵的条件数为目的来设计状态反馈矩阵。仿真试验结果表明,在相同条件下,特征向量矩阵条件数较小的反馈系统,其暂态过程比较平稳,抗参数摄动的鲁棒性也比较强。这种思想可以应用于具有线性连续定常特性的汽车控制系统中。
简介:本文介绍了一种在线递归投影稀疏矩阵恢复(ReProSMR)算法矩阵时间序列Mt等于稀疏矩阵序列St与非稀疏矩阵序列Lt之和,其中Lt在低维张量空间内随时间缓慢变化ReProSMR算法实时地将观测矩阵Mt分解为非稀疏矩阵Lt和稀疏矩阵StReProSMR算法的一个典型应用场景为监控视频动态背景建模,监控视频的每一帧图像的背景部分由于具有很强的相似性而构成低秩部分,而少量的运动目标构成视频的前景则对应于稀疏部分ReProSMR算法对图像序列进行矩阵低秩稀疏分解,便可成功地将静止的背景和活动的前景分开,从而实现背景动态建模和运动前景识别。ReProSMR算法是递归投影压缩传感(ReProCS)算法引入张量主成分分析后的改进算法实验结果表明,ReProSMR算法的计算效率显著高于ReProCS算法。